岩石学报  2018, Vol. 34 Issue (11): 3195-3206   PDF    
引用本文
王怀涛, 罗建民, 王金荣, 杜君, 宋秉田, 王玉玺, 王晓伟, 周煜祺. 2018. 基于大数据的基性-超基性岩定量分类及成矿预测研究——以北山地区为例. 岩石学报, 34(11): 3195-3206  
Wang HT, Luo JM, Wang JR, Du J, Song BT, Wang YX, Wang XW and Zhou YQ. 2018. Quantitative classification and metallogenic prognosis of basic-ultrabasic rocks based on big data: Taking the Beishan area as an example. Acta Petrologica Sinica, 34(11): 3195-3206(in Chinese with English abstract)   
基于大数据的基性-超基性岩定量分类及成矿预测研究——以北山地区为例
王怀涛1,2 , 罗建民2,3 , 王金荣1 , 杜君1 , 宋秉田2 , 王玉玺1,2 , 王晓伟2 , 周煜祺2     
1. 兰州大学地质科学与矿产资源学院, 甘肃省西部矿产资源重点实验室, 兰州 730000;
2. 甘肃省地质调查院, 兰州 730000;
3. 甘肃省地质矿产勘查开发局, 兰州 730000
2018-06-19 收稿; 2018-09-01 改回.
基金项目: 本文受中国地质调查局地调项目（121201004000150017-32）、国家自然科学基金项目（41872073）和甘肃省自然科学基金项目（18JR3RA266）联合资助
第一作者简介: 王怀涛, 男, 1985年, 博士生, 矿物学、岩石学、矿床学; E-mail:359921417@qq.com
摘要：岩浆岩分类是研究岩浆岩成因及其成矿作用的基础，传统的岩浆岩二维图解分类方法，因仅有个别元素参与分类、岩石矿物学定名无法保证统一性等因素，其分类结果不够精确。本文基于地质大数据研究基本思想、方法，应用多元统计"聚类分析"和"判别分析"的算法，分别构建起"北山地区基性-超基性岩氧化物定量分类系列模型"和"北山地区基性-超基性岩氧化物+微量元素定量分类系列模型"。前者将北山地区406件基性-超基性岩样本，在10个氧化物变量空间分为2大类共9个小类，其中89%的含矿样本分布在占总样本量44%的3个小类中。后者将北山地区266件基性-超基性岩样本，在34个氧化物及微量元素变量空间分为2大类共8个小类，其中98%的含矿样本分布在占总样本量33%的2个小类中，且81%的含矿样本分布在仅占总样本量21%的Ⅰ222分类中，在该分类中含矿样本数占该分类样本的61%，则有理由认为剩余39%的样本所在岩体为找矿的有利岩体。上述二个模型分类结果中含矿样本对定量分类的高度选择性，充分证明所建定量分类系列模型对北山地区基性-超基性岩成矿岩体分类的高度有效性，为北山地区基性-超基性岩成矿岩体预测研究提供了依据。
关键词: 基性-超基性岩     定量分类模型     铜镍矿床     成矿预测     北山地区    
Quantitative classification and metallogenic prognosis of basic-ultrabasic rocks based on big data: Taking the Beishan area as an example
WANG HuaiTao1,2, LUO JianMin2,3, WANG JinRong1, DU Jun1, SONG BingTian2, WANG YuXi1,2, WANG XiaoWei2, ZHOU YuQi2     
1. Key Laboratory of Mineral Resources in Western China, School of Earth Sciences, Lanzhou University, Lanzhou 730000, China;
2. Geological Survey of Gansu Province, Lanzhou 730000, China;
3. Gansu Provincial Bureau of Geology and Mineral Exploration and Development, Lanzhou 730000, China
Abstract: Magmatic rock classification is the basis for studying the genesis and mineralization of magmatic rocks. The traditional two-dimensional graphical classification method of magmatic rocks is not accurate enough because only individual elements participate in the classification; rock mineralogy can not guarantee the uniformity and other factors. Applying multivariate statistical "cluster analysis" and "discriminant analysis" algorithms, this paper is on the strength of the basic ideas and methods of geological big data research, striving to build a series of "basic-ultrabasic rock oxide quantitative classification series model" and "basic-ultrabasic rock oxide + trace element quantitative classification series model in Beishan area". The former divides 406 basic-ultrabasic rock samples in the Beishan area into 9 categories and 9 subcategories in 10 oxide variable spaces. It was found that 89% of the ore-containing samples were distributed in three sub-categories of 44% of the total sample size. The latter divides 266 basic-ultrabasic rock samples from Beishan area into 34 categories of oxide and trace element variables into 2 categories and 8 sub-categories. 98% of the ore samples were found to be distributed in 2 sub-categories of 33% of the total sample size. In addition, 81% of the ore-containing samples are distributed in the I222 category, which accounts for only 21% of the total sample size. In this classification, the number of ore-containing samples accounts for 61% of the sample. So there is reason to believe that the remaining 39% of the sample is located in a favorable rock mass for prospecting. The high selectivity of the ore samples to the quantitative classification in the above two model classification results fully demonstrates the high validity of the quantitative classification series model for the classification of basic-ultrabasic rock mineralization in the Beishan area. It provides a basis for the prediction of the basic-ultrabasic rock-forming orebodies in the Beishan area.
Key words: Basic-ultrabasic rocks     Quantitative classification model     Cu-Ni deposit     Metallogenic prognosis     Beishan area    

岩浆岩分类是岩浆岩研究的基础，而基性-超基性岩与岩浆熔离型铜镍矿床关系密切，更为合理的进行基性-超基性岩分类对成矿、找矿预测研究有着极其重要的意义。迄今为止众多学者已提出过多种的岩浆岩分类方案(Cox et al., 1979; Le Maitre et al., 1989; Middlemost, 1985, 1994; Naldrett and Cabri, 1976; Rickwood, 1989; De La Roche et al., 1980; Wilson, 1989)。其中应用比较广泛的是在国际上流行的全碱-硅图解(TAS)方案，该分类主要以Na2O+K2O对SiO2作为分类的基础，用于火山岩和侵入岩分类(Middlemost, 1994)。此外还有利用阳离子进行分类的方案，如R1-R2分类等不同的岩浆岩定量分类方案(De La Roche et al., 1980)。近年来，部分学者利用大数据方法对传统的岩浆岩二维分类判别图的使用作了较为深入的研究(陈万峰等, 2017; 第鹏飞等, 2017; 王金荣等, 2017; 杨婧等, 2016)，经对大量样本的投影，发现传统的二维图解无法对岩浆岩进行有效的分类。随着大数据时代的来临和计算机技术的迅猛发展，将传统的定性地质研究方法推向定量研究的高度已成为可能，相对于传统的定性地质研究，地质大数据的研究思想“变理论驱动为数字驱动模式”，研究方法是以现有全部的地质信息(数据)为研究对象(全样本、全变量)，以成熟的数学模型和推理(神经网络算法)模型为手段，以计算机为工具，实现对地质过程及结果的分析和预测。罗建民等(2018)以聚类分析和逐步判别分析交替使用的方法，构建起一个新的岩浆岩(氧化物)定量分类系列模型，消除了传统二维图解分类只考虑个别因素(2~3个变量)导致分类结果不具唯一性对研究过程和结果的影响，从而使研究过程更加科学，研究成果更加准确、真实。

北山造山带地处哈萨克斯坦板块、塔里木板块、西伯利亚板块三大板块交汇部位，隶属于中亚造山带南缘，经历了早古生代至早中生代长期的多阶段、复杂的俯冲-拼贴历史(Song et al., 2013a, b; Tian et al., 2014; Xiao et al., 2010)，其西临东天山，东接阿拉善，以阿尔金和星星峡两大走滑断裂围限的构造楔形区，地质构造复杂。近年来在中亚造山带南缘的东天山和北山地区发现了多个与基性-超基性岩体有关的大中型铜镍硫化物矿床，尤其黑山、坡北、笔架山等铜镍矿的发现，使北山地区与铜镍硫化物矿床有关的基性-超基性岩引起广泛关注，并取得了丰富的研究成果(Ao et al., 2010; 苏本勋等, 2011; Su et al., 2012; Xie et al., 2012; 姜常义等, 2006; 李华芹等, 2009; 李丽等, 2010; 谢燮等, 2015; 杨建国等, 2012; 张新虎等, 2012)，为进一步开展基于地学大数据的基性-超基性岩定量分类及成矿预测研究工作积累了丰富的资料(图 1)。

图 1 北山地区基性-超基性岩分布示意图(据Xie et al., 2012) Fig. 1 Distribution diagram of basic-ultrabasic rocks in Beishan area (after Xie et al., 2012)

本文运用地质大数据思想、方法，拟对北山地区基性-超基性岩进行基于各相关元素数据分布特征的定量分类，研究其与铜镍硫化物矿床相关关系，开展成矿预测研究和找矿岩体优选工作，为北山地区地质找矿工作提供了便利和可靠信息。

1 数据整理

本次研究共收集整理甘肃-新疆北山地区的基性-超基性岩分析测试样本612件，剔除无位置、无岩性等残缺项样本206件，剩余样本406件。

(1) 选取包含10个氧化物(SiO2、TiO2、Al2O3、Fe2O3T、MnO、MgO、CaO、Na2O、K2O、P2O5)测试结果的406件样本作为基性-超基性岩氧化物数据库，共涉及36个岩体，68种矿物学定名岩性，其中已知有铜镍矿床(点)产出的岩体8个(样本120件，涉及矿物学定名岩性36种)。

为了有效的开展研究区基性-超基性分类及铜镍矿床成矿预测工作，首先根据基性程度不同对各岩体矿物学定名岩性以其基本岩性合并为8种岩性(图 2)。根据超基性岩铜镍矿床相关理论，定义有铜镍矿产出的岩体为含矿岩体(共8个)，定义含矿岩体中的超基性岩样本为含矿样本(共78件)，含矿岩体及含矿样本在各岩性中分布见表 1。

图 2 北山地区基性-超基性岩不同岩性样本数分类比例图(氧化物数据库) Fig. 2 Scale drawing of the lithology classification of basic-ultrabasic rocks in Beishan area (oxides database)

表 1 含矿岩体不同岩性样本分布表(氧化物数据库) Table 1 Lithology classification of ore-bearing rock mass (oxides database)

(2) 选取包含10个氧化物(SiO2、TiO2、Al2O3、Fe2O3T、MnO、MgO、CaO、Na2O、K2O、P2O5)和24个微量元素(Ba、Rb、Sr、Th、Ta、Nb、Hf、Zr、U、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Y)的266件样本作为基性-超基性岩氧化物+微量元素数据库，涉及23个岩体，共45种岩性，对各岩体矿物学定名岩性以其基本岩性合并为8种岩性，统一结果及各岩性所占比例见图 3，涉及含矿岩体4个，含矿样本42件。含矿岩体及含矿样本在各岩性中分布见表 2。

图 3 北山地区基性-超基性岩不同岩性样本数分类比例图(氧化物+微量元素数据库) Fig. 3 Scale drawing of the lithology classification of basic-ultrabasic rocks in Beishan area (oxides and trace elements database)

表 2 含矿岩体不同岩性样本分布表(氧化物+微量元素数据库) Table 2 Lithology classification of ore-bearing rock mass (oxides and trace elements database)
2 传统岩浆岩二维分类图解 2.1 TAS分类图解

TAS图解是由Middlemost (1994)提出，该图解以Na2O+K2O对SiO2作为分类的基础，过去许多学者将该图作为岩浆岩的主要分类图。将研究区基性-超基性岩氧化物数据库中406件样本的Na2O+K2O和SiO2投影在TAS分类图解中，投影结果见图 4a，可见TAS分类图解无法对北山地区基性-超基性岩进行有效的分类。

图 4 北山地区基性-超基性岩TAS (a)和R1-R2 (b)分类判别图(据Middlemost, 1994; De La Roche et al., 1980) Fig. 4 TAS (a) and R1 vs. R2 (b) method classified diagrams of basic-ultrabasic rocks in Beishan area, Gansu Province (after Middlemost, 1994; De La Roche et al., 1980)
2.2 R1-R2分类图解

R1-R2图解是由De La Roche and LeTerrier (1973)提出的，主要根据阳离子数(千阳离子数)进行火山岩和侵入岩的分类，该图解以R1=[4Si-11(Na+K)-2(Fe+Ti)]对R2=(Al+2Mg+6Ca)作为分类的基础。原作者认为该图比基于标准矿物的分类要简单的多，同时对侵入岩特别有用。本文将基性-超基性岩氧化物数据库中406件样本的相关元素投影在R1-R2分类图解中，投影结果见图 4b，认为该图解亦无法对北山地区基性-超基性岩进行有效的分类。

为更加真实的反映北山地区基性-超基性岩与矿产的相关关系，必须对研究区内的基性-超基性岩进行真实、合理的分类。

3 基于大数据的基性-超基性岩定量分类及成矿预测研究 3.1 氧化物定量分类系列模型 3.1.1 定量分类系列模型构建

以北山地区基性-超基性岩(氧化物)数据库中406件样本(每件样本10个氧化物参数)为研究对象，利用“SPSS”统计软件对该数据库做Q型系统聚类分析(以组内连接为聚类方法，相关性为计算模型)。在Q型聚类谱系图中选取分类明显的样本为Ⅰ类样本，其余样本为Ⅱ类样本，对Ⅰ、Ⅱ类样本构成新的数据库做两类判别分析(罗建民等, 2005, 2006, 2018)，构建起“北山地区基性-超基性岩氧化物定量分类模型”(模型0)。以R0=-0.048为临界值，将判别得分大于(等于)-0.048的样本确定为Ⅰ类样本，对判别得分小于-0.048的样本确定为Ⅱ类样本，再次做Q型系统聚类分析，方法同前，构建起Ⅰ1类基性-超基性岩定量分类模型。

对由上述两类模型确定的样本，以上述系统方法分别做次级定量分类(以Q型系统聚类分析分类，以两类判别分析构建基性-超基性岩分类模型)，循环该步骤直到样本在Q型系统聚类分析中没有明显分类为止。以此构建起“北山地区基性-超基性岩氧化物定量分类系列模型(下文简称氧化物模型)”及各分类谱系关系(图 5)，由氧化物模型计算得全区406件样本分类结果见表 3。

图 5 北山地区基性-超基性岩氧化物定量分类系列模型 R0-临界值；Fp/F0.01-分类模型有效性检验(Fp-由模型计算的F分布值，F0.01-在显著水平下F分布理论值(F检验表查得)，当Fp/F0.01＞1时模型有效) Fig. 5 Oxides quantitative classification model of basic-ultrabasic rocks in Beishan area

表 3 北山地区基性-超基性岩氧化物模型分类结果及各分类样本频数统计一览表 Table 3 Sample frequency statistics of oxides quantitative classification model of basic-ultrabasic rocks in Beishan area

其中；

R0：判别临界值；NA、NB：分别代表A、B两个判别总体的样本数；RA、RB：两个判别总体判别函数值的平均值；R：研究单元判别值；当R＞R0时判别为A总体，当R＜R0时判别为B总体。

FP：由判别函数(模型)计算的F分布值；F0.01：在0.01(1%误差)显著水平下F分布表理论值(由F检验表查得)；D2=RA-RB；P：第一自由度(变量数)；FP/F0.01：分类模型有效性检验(当Fp/F0.01＞1时两总体样本差异显著，所建判别函数(模型)对未知样本判别有效)。

3.1.2 分类系列模型有效性分析

(1) 因为模型将全区406件基性-超基性岩按其氧化物含量分布特征分为2个大类共9个小类(表 3)，各分类均由样本氧化物数据分布特征所决定。

(2) 图 5中各分类模型Fp/F0.01≥5.4认为在统计学意义上高度有效(Fp/F0.01≥1，分类模型有效，赵鹏大等, 1990, 1994; 罗建民等, 2018)。

(3) 该定量分类系列模型中各次级模型的正判率均大于(等于)97.4%，其中3个模型的正判率为100%。故该定量分类系列模型对研究区基性-超基性岩分类具有很高的准确性。

3.1.3 主要分类模型控制因素(成因)分析

因为分类模型中模型0判别分类函数受8个氧化物(变量)控制(图 5)，前4个氧化物累积贡献达89.81%，其中Al2O3单独贡献高达32.1%，该模型以相对富Al2O3、Na2O、SiO2、TiO2为特征，以函数值大于-0.048为条件(R0=-0.048，R0为判别临界值)区分出Ⅰ类样本208件，该类中，中-基性岩占该类总样本量的95.2%。模型0以相对富MgO和Fe2O3T区分出Ⅱ类样本198件，该类中超基性岩占该类总样本量的81.3%。认为模型0为基性岩与超基性岩的分类模型。

Ⅱ类样本(超基性岩)由3个模型区分出4个小类(图 5)，模型Ⅱ以富CaO为特征(单独贡献率98.8%)区分出Ⅱ2类样本22件(辉长岩类样本7件，占31.8%)，以贫CaO为特征区分出Ⅱ1类样本176件；模型Ⅱ1以相对富TiO2、CaO为特征(累积贡献率高达97.1%)区分出Ⅱ12类样本65件，其中辉长岩类样本16件(占24.6%)；模型Ⅱ11主要受MgO、Fe2O3T、TiO2、SiO2四个氧化物控制(累积贡献率高达87.2%)，以相对富MgO贫Fe2O3T、TiO2、SiO2为特征区分出Ⅱ112类样本44件(辉长岩类样本占9.1%)，区分出相对贫MgO富Fe2O3T、TiO2、SiO2为特征的Ⅱ111类样本62件(辉长岩类样本占14.9%)。

由以上分析可知：

(1) 模型0以Al2O3和MgO、Fe2O3T将全区样本分为基性岩和超基性岩，Ⅰ类模型以Fe2O3T、MgO贫富对样本进一步分类，Ⅱ类模型以CaO贫富对样本进行分类。证明了该定量分类系列模型的科学性和有效性。

(2)Ⅱ类各次级类中，均有一定比例(9.1%~31.8%)的基性岩类样本，说明岩石矿物学定名与岩石地球化学分成定名具有不一致性，这也许可以解释传统岩浆岩二维图解分类效果不佳的原因。

(3) 定量分类系列模型中各分类模型以CaO、Fe2O3T、MgO、Al2O3的相对贫富对岩石进行分类，而SiO2、K2O一般单独贡献很小，这与依据SiO2、K2O+Na2O含量分类的传统岩浆岩分类理论不一致，其原因分析，统计北山地区基性-超基性岩氧化物数据库各氧化物相关参数见表 4。由表 4知：SiO2占比(平均值)最大，但其标准差小于A12O3和MgO(数据相对分布较均匀)，另SiO2变异系数(标准差/平均值)最小(所有氧化物中含量变化最小)，由此综合考虑，SiO2对分类的影响程度远不及A12O3，并且略次于MgO、Na2O、Fe2O3T三个氧化物。

表 4 北山地区基性-超基性岩氧化物相关参数统计一览表 Table 4 Basic-ultrabasic rock oxides related parameters in Beishan area
3.1.4 铜镍矿找矿岩体优选研究

统计北山地区78件含矿样本在氧化物定量分类中的分布特征和在不同岩体中的分布特征，编制“北山地区氧化物模型含矿岩体样本分布特征表”(表 5)，绘制“氧化物模型含矿样本占比柱状图”和“氧化物模型含矿岩性频数分布图”(图 6、图 7)。图 6表示406件总样本出现在九个小类的频数与78件含矿样本出现在九个小类的频数对比，对比发现，含矿样本主要分布在Ⅱ类的四小类中。图 7表示在406件全样本中，含矿岩性(将含矿样本所涉及的所有岩性定义为含矿岩性)在这八个小类中的分布特征，该特征显示，含矿岩性亦主要分布在Ⅱ类的四小类中，频数均在30%以上。将图 6的含矿数百分比与图 7岩性频数对比发现，虽然均分布在这四个小类中，但是分布频数有较大差别，说明传统岩性定名不能很好的区分含矿岩体。结合表 5知：98%的含矿样本分布在Ⅱ类中，其中89%分布在Ⅱ12、Ⅱ111、Ⅱ112三个小类中(各分类内含矿样本占比均大于21%)。这三个小类是北山地区主要与铜镍矿有关的分类，统计北山地区所有406件样本中分布在此三小类中的各岩体数和样本数见表 6。同时结合图 1和表 5，黑山岩体中35个含矿样本只分布在Ⅱ12、Ⅱ111两个分类中，红柳沟3个样本分布在Ⅱ111中，怪石山9个样本分布在Ⅱ2、Ⅱ12两个分类中，坡北6个样本分布在Ⅰ221、Ⅰ222、Ⅱ2、Ⅱ111四个分类中，坡十3个样本分布在Ⅱ111、Ⅱ112两个分类中，说明北山地区的含矿岩体在定量分类中对面空间并无明显的选择性。

表 5 北山地区氧化物模型含矿岩体样本分布特征表 Table 5 Distrubution of ore-bearing rock mass in oxides quantitative classification model in Beishan area

图 6 氧化物模型含矿样本占比柱状图 Fig. 6 Histogram diagram of ore-bearing samples in oxides quantitative classification model

图 7 氧化物模型含矿岩性频数分布图 Fig. 7 Distribution diagram of ore-bearing lithology frequency in oxides quantitative classification model

表 6 氧化物模型中Ⅱ12、Ⅱ111、Ⅱ112类各岩体样本分布表 Table 6 Rock mass samples distribution inⅡ12、Ⅱ111、Ⅱ112 sub-categories of all elements quantitative classification model

综合以上分析，分布在Ⅱ12、Ⅱ111、Ⅱ112分类中尚未发现矿床(点)的岩体，有与该分类中含矿岩体相同的成分和成因特征，是该区寻找超基性岩型铜镍矿床的有利岩体。

3.2 氧化物+微量元素定量分类系列模型研究 3.2.1 定量分类系列模型构建

以北山地区基性-超基性岩(氧化物+微量元素)数据库中266件样本的10个氧化物和24个微量元素参数结果为研究对象，采用与“北山地区基性-超基性岩氧化物定量分类系列模型”相同的方法和步骤，构建起“北山地区基性-超基性岩氧化物+微量元素定量分类系列模型”(下文简称全元素模型)及各分类谱系关系(图 8)，由全元素模型计算得全区266件样本分类结果见表 7。

图 8 北山地区基性-超基性岩氧化物+微量元素定量分类系列模型 R0-临界值；Fp/F0.01-分类模型有效性检验(Fp-由模型计算的F分布值，F0.01-在显著水平下F分布理论值(F检验表查得)，当Fp/F0.001＞1时模型有效) Fig. 8 Oxides and trace elements quantitative classification model of basic-ultrabasic rocks in Beishan area

表 7 北山地区基性-超基性岩全元素模型样本频数统计一览表 Table 7 Sample frequency statistics of all elements quantitative classification of basic-ultrabasic rocks in Beishan area
3.2.2 分类系列模型有效性分析

(1) 全元素模型将全区266件基性-超基性岩按其氧化物+微量元素含量分布特征可分为2个大类共8个小类(表 7)。

(2) 图 5中各分类模型Fp/F0.01≥3.1认为在统计学意义上高度有效(Fp/F0.01≥1，分类模型有效，赵鹏大等, 1990, 1994; 罗建民等, 2018)。

(3) 该定量分类系列模型中各次级模型的正判率均大于(等于)96.9%，其中4个模型的正判率为100%。故该定量分类系列模型对研究区基性-超基性岩分类具有很高的准确性。

3.2.3 主要分类模型控制因素(成因)分析

模型0受5个氧化物和4个微量元素控制(图 8)，前4个氧化物和1个微量元素累积贡献达92.74%，其中MgO单独贡献高达52.48%，该模型以相对富MgO、Fe2O3T、SiO2、TiO2、Gd、U为特征区分出Ⅰ类样本132件，该类中超基性岩占该类总样本量的68.9%，但超基性岩全部分布在该类中。模型0以相对富Na2O和Zr区分出Ⅱ类样本134件，该类中中-基性岩占该类总样本量的98.5%。因此认为模型0可以有效的区分基性与超基性岩。

Ⅰ类样本(超基性岩)由3个模型分为4个小类(图 8)，模型1以富Dy、Y贫Fe2O3T、CaO、Tm为特征(累计贡献率87.69%)区分出Ⅰ1类样本9件(辉长岩类样本8件，占88.89%)，以贫CaO为特征区分出Ⅰ2类样本123件；模型Ⅰ2以相对富CaO、Tm、Lu贫MgO、Er为特征(累积贡献率高达96.12%)区分出Ⅰ21类样本31件，其中辉长岩类样本15件(占48.39%)；模型Ⅰ22主要受Fe2O3T、MgO、TiO2、Ta控制(累积贡献率高达99.60%)，以相对富Ta贫Fe2O3T、MgO、TiO2、Rb为特征区分出Ⅰ221类样本36件(辉长岩类样本占27.78%)，区分出相对富Fe2O3T、MgO、TiO2、Rb贫Ta为特征的Ⅰ222类样本56件(辉长岩类样本占16.07%)。Ⅱ类样本分类方案同Ⅰ类样本，在此不再赘述。

由上文得出：全元素模型以模型0将全区样本分为Ⅰ和Ⅱ类，基本分别对应超基性岩和基性岩，证明了该定量分类系列模型的科学性和有效性。Ⅰ类各次级分类中，均有一定比例(16.07%~88.89%)的基性岩类样本，说明人为(矿物学)岩石定名准确性有待商榷。定量分类系列模型中各分类模型主要以Fe2O3T、CaO、MgO、Dy、Tm、Er、Ta的相对贫富对岩石进行分类。

3.2.4 铜镍矿找矿岩体优选研究

统计北山地区42件含矿样本在定量分类中的分布特征和在不同岩体中的分布特征，编制“含矿岩体样本全元素模型分布特征表”(表 8)，绘制“全元素模型样本与含矿样本占比柱状图”和“全元素模型含矿岩性频数分布图”(图 9、图 10)。图 9表示266件总样本出现在八个小类的频数与42件含矿样本出现在八个小类的频数对比，对比发现，含矿样本只出现在Ⅰ21、Ⅰ221、Ⅰ222这三个小类中。图 10表示在266件全样本中，含矿岩性(将含矿样本所涉及的所有岩性定义为含矿岩性)在这八个小类中的分布特征，该特征显示，含矿岩性亦分布在Ⅰ21、Ⅰ221和Ⅰ222三个小类中。将图 9的含矿数百分比与图 10含矿岩性频数对比发现，虽然均分布在这三个小类中，但是分布频数有较大差别，说明传统岩性定名不能很好的区分含矿岩体。结合表 8知：全部的含矿样本分布在Ⅰ类中，其中98%分布在Ⅰ21和Ⅰ222两个小类中(其中Ⅰ222类占81%)。这两个分类是北山地区主要与铜镍矿有关的分类，统计北山地区这两个主要含矿定量分类中各岩体样本分布特征(表 9)，黑山岩体中30个含矿样本29个分布在Ⅰ222小类中，怪石山5个含矿样本全部分布在Ⅰ21小类中，红柳沟3个含矿样本只分布在Ⅰ222小类中，庙庙井样本分别分布在Ⅰ21、Ⅰ221和Ⅰ222三个小类中，说明北山地区空间的含矿岩体在定量分类中并无明显的选择性。

表 8 含矿岩体样本全元素模型分布特征表 Table 8 Distrubution of ore-bearing rock mass in all elements quantitative classification model

图 9 全元素模型样本与含矿样本占比柱状图 Fig. 9 Histogram diagram of ore-bearing samples in all elements quantitative classification model

图 10 全元素模型含矿岩性频数分布图 Fig. 10 Distribution diagram of ore-bearing lithology frequency in all elements quantitative classification model

表 9 全元素模型中Ⅰ21和Ⅰ222类岩体样本分布表 Table 9 Rock mass samples distribution in Ⅰ21 and Ⅰ222 sub-categories of all elements quantitative classification model
4 定量分类效果评述 4.1 定量分类模型对比

北山地区基性-超基性岩的氧化物模型和全元素模型均能对北山地区的基性-超基性岩进行有效分类和铜镍成矿预测，但是含矿岩体在氧化物模型中主要分布在4类模型中(Ⅱ2、Ⅱ12、Ⅱ111、Ⅱ112)，在全元素模型中主要分布在2类模型中(Ⅰ21、Ⅰ222)，说明全元素模型对基性-超基性岩定量分类及铜镍成矿预测效果较氧化物模型好。表明参与定量分类的变量(元素)越多，分类效果越好，同时认为微量元素对于北山地区基性-超基性岩铜镍矿化更具指示意义。

4.2 铜镍找矿有利岩体确定及优选

根据氧化物模型和全元素模型，在两个模型中同时预测为找矿有利岩体作为Ⅰ、Ⅱ级找矿岩体，以各模型预测含矿样本比率之和为找矿岩体优度，确定找矿岩体优度突变值1.48为界限，找矿岩体优度大于1.48的岩体为Ⅰ级找矿岩体，小于(等于)1.48的岩体为Ⅱ级找矿岩体；只在氧化物模型中出现的岩体定为Ⅲ级找矿岩体。然后根据各个找矿岩体的优度进行排序，优度值相同的找矿岩体再以出现的样本数进行排序，出现的样本数多的找矿岩体排序靠前。通过氧化物模型和全元素模型，在北山地区基性-超基性岩中优选出20个找矿岩体(表 10)，其中Ⅰ级找矿岩体5个，已经发现矿床(点)的找矿岩体有4个，占比80%；Ⅱ级找矿岩体7个，已经发现矿床(点)的找矿岩体有4个，占比57.1%；Ⅲ级找矿岩体8个，已经发现矿床(点)的找矿岩体有3个，占比37.5%。显示出基性-超基性岩定量分类在北山地区铜镍找矿岩体优选上具有明显效果，提升了预测找矿岩体的可信度。

表 10 北山地区优选铜镍矿找矿岩体信息表 Table 10 Information table of Cu-Ni prospecting targets in Beishan area
5 结论

(1) 采用多元统计“聚类分析”和“判别分析”交替使用的算法，分别构建起“北山地基性-超基性岩氧化物定量分类系列模型”和“北山地基性-超基性岩氧化物+微量元素定量分类系列模型”，两类模型分别将北山地区的基性-超基性岩分为2个大类共9个小类、2个大类共8个小类，提供了对岩浆岩进行定量分类的创新思想和有效的定量分类方案。

(2) 两种定量分类系列模型均将含矿与不含矿的岩体进行了较好的区分，参与分类的变量越多，分类效果越好，对铜镍矿的成矿预测效果也越好；在“北山地区基性-超基性岩氧化物+微量元素定量分类系列模型”中98%的含矿样本分布在占总样本量33%的Ⅰ21和Ⅰ222两个小类中，其中81%的含矿样本分布在仅占样本量总量21%的Ⅰ222小类中，提供了通过岩浆岩定量分类对岩浆岩型矿产进行矿产预测研究的方法。

(3) 本次研究在北山地区共预测20个找矿岩体，Ⅰ级找矿岩体5个(4个找矿岩体已发现铜镍矿床(点)，占比80%)，Ⅱ级找矿岩体7个(4个找矿岩体已发现铜镍矿床(点)，占比57.1%)，Ⅲ级找矿岩体8个(3个找矿岩体已发现铜镍矿床(点)，占比37.5%)。基性-超基性岩的定量分类优选的找矿岩体有极高的见矿率，为北山地区地质找矿工作提供了便利和可靠信息。

参考文献
Ao SJ, Xiao WJ, Han CM, Mao QG and Zhang JE. 2010. Geochronology and geochemistry of Early Permian mafic-ultramafic complexes in the Beishan area, Xinjiang, NW China:Implications for late Paleozoic tectonic evolution of the southern Altaids. Gondwana Research, 18(2-3): 466-478. DOI:10.1016/j.gr.2010.01.004
Chen WF, Wang JR, Zhang Q, Liu YX, Ma L and Jiao ST. 2017. Data mining of ocean island basalt and ocean plateau basalt:Geochemical characteristics and comparison with MORB. Acta Geologica Sinica, 91(11): 2443-2455.
Cox KG, Bell JD and Pankhurst RJ. 1979. The Interpretation of Igneous Rocks. Dordrecht: Springer
De La Roche H and Leterrier J. 1973. Transposition du tétraèdre minéralogique de Yoder et Tilley dans un diagramme chimique de classification des roches basaltiques. Comptes Rendus Acad. Sci. Paris, 276: 3115-3118.
De La Roche H, Leterrier J, Grandclaude P and Marchal M. 1980. A classification of volcanic and plutonic rocks using R1R2-diagram and major-element analyses:Its relationships with current nomenclature. Chemical Geology, 29(1-4): 183-210. DOI:10.1016/0009-2541(80)90020-0
Di PF, Wang JR, Zhang Q, Yang J, Chen WF, Pan ZJ, Du XL and Jiao ST. 2017. The evaluation of basalt tectonic discrimination diagrams:Constraints on the research of global basalt data. Bulletin of Mineralogy, Petrology and Geochemistry, 36(6): 891-896, 879.
Jiang CY, Cheng SL, Ye SF, Xia MZ, Jiang HB and Dai YC. 2006. Lithogeochemistry and petrogenesis of Zhongposhanbei mafic rock body, at Beishan region, Xinjiang. Acta Petrologica Sinica, 22(1): 115-126.
Le Maitre RW, Bateman P and Dudek A. 1989. A Classification of Igneous Rocks and Glossary of Terms:Recommendations of the International Union of Geological Sciences, Subcommission on the Systematics of Igneous Rocks. Oxford: Blackwell Science Publication.
Li HQ, Mei YP, Qu WJ, Cai H and Du GM. 2009. SHRIMP zircon U-Pb and Re-Os dating of No.10 intrusive body and associated ores in Pobei mafic-ultramafic belt of Xinjiang and its significance. Mineral Deposits, 28(5): 633-642.
Li L, Yang YQ and Wang YX. 2010. Geochemical characteristics and petrogenesis of Guaishishan copper-nickel mineralized mafic-ultramafic complex in Beishan region of Gansu. Global Geology, 29(1): 16-27.
Luo JM, Zhang XH and Peng DQ. 2005. Grade-resource distribution model of rock gold deposits in the Gansu Province. Geology and Exploration, 41(5): 62-65.
Luo JM, Hou YS, Zhang XH, Peng DQ and Niu HB. 2006. Reserve predictive model and resource potential appraisal of gold deposits in Gansu Province, China. Mineral Deposits, 25(1): 53-59.
Luo JM, Wang XW, Song BT, Yang ZM, Zhang Q, Zhao YQ and Liu SY. 2018. Discussion on the method for quantitative classification of magmatic rocks:Taking it's application in West Qinling of Gansu Province for example. Acta Petrologica Sinica, 34(2): 326-332.
Middlemost EAK. 1985. Magmas and Magmatic Rocks: An Introduction to Igneous Petrology. London: Longman
Middlemost EAK. 1994. Naming materials in the magma/igneous rock system. Earth-Science Reviews, 37(3-4): 215-224. DOI:10.1016/0012-8252(94)90029-9
Naldrett AJ and Cabri LJ. 1976. Ultramafic and related mafic rocks:Their classification and genesis with special reference to the concentration of nickel sulfides and platinum-group elements. Economic Geology, 71(7): 1131-1158. DOI:10.2113/gsecongeo.71.7.1131
Rickwood PC. 1989. Boundary lines within petrologic diagrams which use oxides of major and minor elements. Lithos, 22(4): 247-263. DOI:10.1016/0024-4937(89)90028-5
Song DF, Xiao WJ, Han CM, Li JL, Qu JF, Guo QQ, Lin LN and Wang ZM. 2013a. Progressive accretionary tectonics of the Beishan orogenic collage, southern Altaids:Insights from zircon U-Pb and Hf isotopic data of high-grade complexes. Precambrian Research, 227: 368-388. DOI:10.1016/j.precamres.2012.06.011
Song DF, Xiao WJ, Han CM, Tian ZH and Wang ZM. 2013b. Provenance of metasedimentary rocks from the Beishan orogenic collage, southern Altaids:Constraints from detrital zircon U-Pb and Hf isotopic data. Gondwana Research, 24(3-4): 1127-1151. DOI:10.1016/j.gr.2013.02.002
Su BX, Qin KZ, Tang DM, Deng G, Xiao QH and Sun H. 2011. Petrological features and implications for mineralization of the Poshi mafic-ultramafic intrusion in Beishan area, Xinjiang. Acta Petrologica Sinica, 27(12): 3627-3639.
Su BX, Qin KZ, Sakyi PA, Tang DM, Liu PP, Malaviarachchi SPK, Xiao QH and Sun H. 2012. Geochronologic-petrochemical studies of the Hongshishan mafic-ultramaflc intrusion, Beishan area, Xinjiang (NW China):Petrogenesis and tectonic implications. International Geology Review, 54(3): 270-289. DOI:10.1080/00206814.2010.543011
Tian ZH, Xiao WJ, Windley BF, Lin LN, Han CM, Zhang JE, Wan B, Ao SJ, Song DF and Feng JY. 2014. Structure, age, and tectonic development of the Huoshishan-Niujuanzi ophiolitic mélange, Beishan, southernmost Altaids. Gondwana Research, 25(2): 820-841. DOI:10.1016/j.gr.2013.05.006
Wang JR, Chen WF, Zhang Q, Jiao ST, Yang J, Pan ZJ and Wang SH. 2017. Preliminary research on data mining of N-MORB and E-MORB:Discussion on method of the basalt discrimination diagrams and the character of MORB's mantle source. Acta Petrologica Sinica, 33(3): 993-1005.
Wilson DS. 1989. Deformation of the so-called Gorda Plate. Journal of Geophysical Research:Solid Earth, 94(B3): 3065-3075. DOI:10.1029/JB094iB03p03065
Xiao WJ, Mao QG, Windley BF, Han CM, Qu JF, Zhang JE, Ao SJ, Guo QQ, Cleven NR, Lin SF, Shan YH and Li JL. 2010. Paleozoic multiple accretionary and collisional processes of the Beishan orogenic collage. American Journal of Science, 310(10): 1553-1594. DOI:10.2475/10.2010.12
Xie W, Song XY, Deng YF, Wang YS, Ba DH, Zheng WQ and Li XB. 2012. Geochemistry and petrogenetic implications of a Late Devonian mafic-ultramafic intrusion at the southern margin of the Central Asian Orogenic Belt. Lithos, 144-145: 209-230. DOI:10.1016/j.lithos.2012.03.010
Xie X, Yang JG, Wang XH, Wang L, Jiang L and Jiang AD. 2015. Zircon SHRIMP U-Pb dating of Hongliugou mafic-ultramafic complex in the Beishan area of Gansu Province and its geological significance. Geology in China, 42(2): 396-405.
Yang J, Wang JR, Zhang Q, Chen WF, Pan ZJ, Du XL, Jiao ST and Wang SH. 2016. Global IAB data excavation:The performance in basalt discrimination diagrams and preliminary interpretation. Geological Bulletin of China, 35(12): 1937-1949.
Yang JG, Wang L, Wang XH, Xie X and Qi ZG. 2012. Zircon SHRIMP U-Pb dating of Heishan mafic-ultramafic complex in the Beishan area of Gansu Province and its geological significance. Geological Bulletin of China, 31(2-3): 448-454.
Zhang XH, Feng J, Yin Y and Sun JL. 2012. Comparative study on the characteristic occurrences of Heishang Ni-Cu deposit in Subei County of Gansu Province. Northwestern Geology, 45(4): 134-144.
Zhao PD, Wei M and Jin YY. 1990. Statistical Analysis of Geological Exploration. Wuhan: China University of Geosciences Press.
Zhao PD, Hu WL and Li ZJ. 1994. Statistics and Prediction for Ore Deposits. Beijing: Geological Publishing House.
陈万峰, 王金荣, 张旗, 刘懿馨, 马骊, 焦守涛. 2017. 洋岛和洋底高原玄武岩数据挖掘:地球化学特征及其与MORB的对比. 地质学报, 91(11): 2443-2455. DOI:10.3969/j.issn.0001-5717.2017.11.005
第鹏飞, 王金荣, 张旗, 杨婧, 陈万峰, 潘振杰, 杜学亮, 焦守涛. 2017. 玄武岩构造环境判别图评估——全体数据研究的启示. 矿物岩石地球化学通报, 36(6): 891-896, 879. DOI:10.3969/j.issn.1007-2802.2017.06.003
姜常义, 程松林, 叶书锋, 夏明哲, 姜寒冰, 代玉财. 2006. 新疆北山地区中坡山北镁铁质岩体岩石地球化学与岩石成因. 岩石学报, 22(1): 115-126.
李华芹, 梅玉萍, 屈文俊, 蔡红, 杜国民. 2009. 新疆坡北基性-超基性岩带10号岩体SHRIMP U-Pb和矿石Re-Os同位素定年及其意义. 矿床地质, 28(5): 633-642. DOI:10.3969/j.issn.0258-7106.2009.05.009
李丽, 杨永强, 王育习. 2010. 甘肃北山地区怪石山含铜镍矿化镁铁质-超镁铁质杂岩体的地球化学特征及成因机制. 世界地质, 29(1): 16-27.
罗建民, 张新虎, 彭德启. 2005. 甘肃省岩金矿品位-储量分布模型. 地质与勘探, 41(5): 62-65. DOI:10.3969/j.issn.0495-5331.2005.05.013
罗建民, 侯云生, 张新虎, 彭德启, 牛洪斌. 2006. 甘肃省金矿资源预测模型及潜力评价. 矿床地质, 25(1): 53-59. DOI:10.3969/j.issn.0258-7106.2006.01.007
罗建民, 王晓伟, 宋秉田, 杨忠明, 张琪, 赵彦庆, 刘升有. 2018. 岩浆岩定量分类方法探讨——以甘肃省西秦岭地区为例. 岩石学报, 34(2): 326-332.
苏本勋, 秦克章, 唐冬梅, 邓刚, 肖庆华, 孙赫. 2011. 新疆北山地区坡十镁铁-超镁铁岩体的岩石学特征及其对成矿作用的指示. 岩石学报, 27(12): 3627-3639.
王金荣, 陈万峰, 张旗, 焦守涛, 杨婧, 潘振杰, 王淑华. 2017. N-MORB和E-MORB数据挖掘——玄武岩判别图及洋中脊源区地幔性质的讨论. 岩石学报, 33(3): 993-1005.
谢燮, 杨建国, 王小红, 王磊, 江磊, 姜安定. 2015. 甘肃北山红柳沟铜镍矿化基性-超基性岩体SHRIMP锆石U-Pb年龄及其地质意义. 中国地质, 42(2): 396-405. DOI:10.3969/j.issn.1000-3657.2015.02.003
杨婧, 王金荣, 张旗, 陈万峰, 潘振杰, 杜雪亮, 焦守涛, 王淑华. 2016. 全球岛弧玄武岩数据挖掘——在玄武岩判别图上的表现及初步解释. 地质通报, 35(12): 1937-1949. DOI:10.3969/j.issn.1671-2552.2016.12.001
杨建国, 王磊, 王小红, 谢燮, 齐正广. 2012. 甘肃北山地区黑山铜镍矿化基性-超基性杂岩体SHRIMP锆石U-Pb定年及其地质意义. 地质通报, 31(2): 448-454. DOI:10.3969/j.issn.1671-2552.2012.02.030
张新虎, 冯军, 殷勇, 孙金兰. 2012. 甘肃肃北黑山镍铜矿床产出特征及对比研究. 西北地质, 45(4): 134-144. DOI:10.3969/j.issn.1009-6248.2012.04.012
赵鹏大, 魏民, 金友鱼. 1990. 地质勘探中的统计分析. 武汉: 中国地质大学出版社.
赵鹏大, 胡旺亮, 李紫金. 1994. 矿床统计预测. 北京: 地质出版社.